이러한 내용은 빈곤을 단순한 경제적 결핍의 문제가 아니라 사회적 배제와 구조적 불평등의 문제로 이해하게 만들었다는 점에서 큰 의미가 있었다.
그러나 강의에서 는 빈곤이 단순한 소득 부족의 문제가 아니라, 사회 속에서 인간다
넓게 이해하면 빈곤을 사회적 권리의 문제로 접근할 수 있게 된다.
빈곤의 원인에 관한 강의에서 또 하나인상 깊었던 점은 사회적 낙인과 인식의 문제였다.
이 강의를 통해 나는 빈곤을 단순한 '결과'로 보기보다, 사회구조와 정책이 만들어내는 과정으로 이해하게 되었다.
그래서 이 강의는 단순히 빈곤의 배경을 설명하는 내용을 넘어, 빈곤 문제를 더 인간적이고 사회적인 시각으로 바라보게 만든 매우 인상 깊은 강의였다.
다시 말해 AI 시대의 노동과 빈곤 문제는 ' 기술적응력'만의 문제가 아니라' 사회적 보호와 분배정의'의 문제이다.
빈곤론 6강의 관점에서 보자면, 진짜 문제는 AI가 아니라 AI의 시대에도 여전히 약한 사람에게 더 큰 위험을 떠넘기 는 사회구조이다.

이런 점에서 빈곤은 단순한 경제 문제가 아니라 사회구조적 문제이며, 동시에 인간의 존엄과 사회정의의 문제이기도 하다.
나는 빈곤론 1강부터 5강까지의 내용을 학습하면서, 빈곤이라는 개념이 생각보다 훨씬 더 넓고 깊은 의미를 가지고 있다는 점을 새롭게 느끼게 되었다.
이러한 내용은 빈곤을 단순한 경제적 결핍의 문제가 아니라 사회적 배제와 구조적 불평등의 문제로 이해하게 만들었다는 점에서 큰 의미가 있었다.
이 글에서는 먼저 빈곤론 1강부터 5강 가운데 가장 인상 깊었던 강의 두 개를 선택하여, 각각 어떤 점이 인상 깊었고 그 이유가 무엇이었는지를 서술하고자 한다.
빈곤론 1강부터 5강까지의 내용 가운데 내가 가장 인상 깊게 들은 강의 중 하나는 빈곤의 개념과 측정에 관한 강의이다.
또한 이 강의를 통해 빈곤은 단순히 '가난한 사람의 상태'를 말하는 것이 아니라, 사회가 어떤 삶을 정상적이고 인간다
그러나 그것만으로 빈곤을 설명할 경우, 왜 비슷한 노력에도 어떤 사람은 안정된 삶을 유지하고 어떤 사람은 빈곤에 빠지는지 설명하기 어렵다.
그리고 여기서 중요한 것은 개인이 더 열심히 일하느냐가 아니라, 사회가 어떤 일자리를 만들고 그것을 어떻게 보호하느냐라는 점이라고 생각하게 되었다.
빈곤의 원인에 관한 강의에서 또 하나인상 깊었던 점은 사회적 낙인과 인식의 문제였다.
이 강의를 통해 나는 빈곤을 단순한 '결과'로 보기보다, 사회구조와 정책이 만들어내는 과정으로 이해하게 되었다.
결국 빈곤의 원인에 관한 강의는 나에게 "왜 가난한가"라는 질문을 훨씬 더 깊고 넓게 다시 생각하게 만든 강의였다.
그래서 이 강의는 단순히 빈곤의 배경을 설명하는 내용을 넘어, 빈곤 문제를 더 인간적이고 사회적인 시각으로 바라보게 만든 매우 인상 깊은 강의였다.
많은 사람들은 이러한 기술 발전이 생산성을 높이고 인간의 노동부담을 줄이며 더 풍요로운 사회를 만들어 줄 것이라고 기대한다.
다시 말해 AI 시대의 노동과 빈곤 문제는 ' 기술적응력'만의 문제가 아니라' 사회적 보호와 분배정의'의 문제이다.
OECD는 2025년 한국노동시장에 대한 보고서에서, AI의 영향이 노동자들에게 균등하게 나타나지 않는다고 지적했다.고소득·고숙련 노동자와 컴퓨터 활용도가 높은 직종은 AI 노출과 함께 고용과 임금면에서 상대적으로 긍정적 효과를 볼 수 있지만, 저소득·저숙련 노동자는 같은 방식으로 혜택을 누리지 못하거나 오히려 뒤처질 가능성이 있다고 분석했다.
특히 사무·행정직무와 정형화된 업무가 많은 일자리들이 더 크게 노출될 수 있으며, 그 영향은 국가와 산업, 직종, 숙련 수준에 따라 다르게 나타난다고 본다.
ILO는 이를 바탕으로 AI의 영향이 단순한 기술 도입의 문제가 아니라 노동조건, 재교육, 사 회적 대화, 제도적 보호의 문제와 함께 다루어져야 한다고 본다.
그래서 지금 필요한 것은 기술 낙관론도, 기술 공포론도 아니다.
필요한 것은 기술 변화에 대한 사회적 통제와 공정한 분배 원리이다.
더 중요한 질문은 "기술의 혜택을 누구와 어떻게 나눌 것인가", "변화의 비용을 누가 감당할 것인가", "노동에서 밀려나는 사람들을 어떤 권리로 보호할 것인가"이다.
그런데 생성형 AI가 제시한 내용을 큰 비판 없이 받아들여 그대로 정리하거나 제출할 경우, 학습자는 스스로 생각하고 판단하는 과정을 충분히 거치지 못하게 된다.
생성형 AI 활용의 첫 번째 문제는 학습의 본질을 약화시킬 수 있다는 점이다.
특히 강의 중심의 과제에서는 교재와 강의에서 강조한 문제의식, 용어의 맥락, 교수자의 설명 방식이 중요한데, 생성형 AI는 이를 정확히 반영하지 못 할 가능성이 있다.
그런데 생성형 AI가 작성한 내용을 거의 그대로 제출한다면, 이는 형식적으로는 과제를 제출한 것처럼 보일지 몰라도 실질적으로는 자신의 사고를 충분히 반영한 결과라고 보기 어렵다.
그런데 생성형 AI를 자주 활용하다
다시 말해 생성형 AI는 참고자료를 정리해주는 조력자일수는 있어도, 과제의 주체가 되어서는 안 된다.
본과제 수행의 맥락에서 보면, 생성형 AI는 특히 정리와 보조의 수준에서는 유용할 수 있지만, 이해와 성찰의 수준에서는 분명한 한계를 가진다.
AI는 빈곤의 정의를 정리하고 사례를 나열할 수는 있지만, 왜 특정 강의가 자신에게 인상 깊었는지, 왜 AI 시대의 노동문제를 빈곤문 제와 연결해야 하는지, 왜 생성형 AI의 활용을 조심스럽게 바라보아야 하는지에 대한 진정한 판단은 결국 학습자 자신에게서 나와야 한다.
그러므로 생성형 AI를 활용하더라도 그것은 자신의 생각을 대신 쓰게 하는 방식이 아니라, 자신의 생각을 더 분명히 정리하는 데 도움을 주는 수준에 머물러야 한다고 본다.
이 점에서 AI 시대의 노동과 빈곤 문제는 기술 자체의 문제가 아니라, 기술 변화의 혜택과 부담이 누구에게 어떻게 분배되는가의 문제라고 보아야 한다.

[hwp/pdf]AI 시대의 노동과 빈곤